融合混合注意力机制与多尺度特征增强的高分影像建筑物提取

作者：曲海成; 梁旭^*

来源：自然资源遥感, 2023, 1-10.

• 语义分割
• 高分辨率遥感影像
• 建筑物提取
• U-net
• 注意力机制
• 空洞卷积

当前由于复杂背景变换和建筑物形状多样化等因素影响,从高分辨率遥感图像中准确提取建筑物信息面临着挑战。本文提出了一种融合混合注意力机制与多尺度特征增强的高分辨率建筑物语义分割网络(building mining net,BMNet)。首先,编码器部分使用VGG-16作为主干网络来提取特征,得到4层特征表示;然后设计解码器用于解决多尺度信息中高层特征的细节信息丢失问题,引入了混合通道注意力和空间注意力的串联注意力机制(series attention module,SAM),增强高层特征的表示能力。同时,设计了一种渐进式特征增强的建筑物信息挖掘模块(building mining module,BMM),进一步提高建筑物分割的准确性。BMM把上采样后的特征映射、经过SAM处理的特征映射以及初始预测结果作为输入,获取背景噪声信息,并利用所设计的上下文信息探索模块滤除背景信息。在经过多次BMM处理后得到最佳预测结果。对比实验结果表明:BMNet在武汉大学建筑数据集上精度和交并比分别优于U-net 4.6%、4.8%,在马萨诸塞州建筑数据集和Inria航空图像标注数据集上精度和交并比分别优于U-net 7.9%、8.9%和6.7%、11.0%,验证了本文所提模型的有效性以及实用性。

• 单位
  辽宁工程技术大学